108 lines
5.2 KiB
Python
108 lines
5.2 KiB
Python
"""Journal du matin : turbulence atmosphérique (bruit rapide sur les déplacements corrigés).
|
||
|
||
Méthode :
|
||
1. Par capteur et par heure H, sur les mesures de [H − 1 h, H + 2 h) : agitation = médiane de |Δcorr_x| + |Δcorr_y|
|
||
entre mesures successives (robuste aux sauts d'un seul pas), et médiane de l'error_value.
|
||
2. Chacune est rapportée au calme du capteur : le quartile bas de ses valeurs horaires sur l'export (souvent la nuit).
|
||
3. Heure turbulente : au moins la moitié des capteurs à ≥ 1,5 fois leur agitation calme, et error_value médiane
|
||
des capteurs à ≥ 1,5 fois la calme (l'air chaud brouille les taches : C-003, critère 1).
|
||
4. Heures voisines fusionnées (trou d'une heure toléré), épisode d'au moins 3 h, écarté si plus de 15 % des mesures
|
||
sont rejetées (c'est alors de la mauvaise visibilité, autre détecteur). Grisé si l'agitation médiane ≥ 2×.
|
||
|
||
Résultats (2026-10-23, seuils ci-dessous) :
|
||
- WILDSTRUBEL (C-003, vérité : chaque jour ~03:30 → 16:00) : 3 épisodes, 02.09 04:00-15:00, 03.09 05:00-15:00,
|
||
04.09 04:00-15:00, les 13 capteurs, ×2,3 à ×2,6, tous grisés.
|
||
- PS_DES_COUDRES (sain, buée une nuit), NORDEND juillet (toile d'araignée), CLARIDEN (mouvement réel),
|
||
NIEDERHORN (trains, pluie), NORDEND octobre (11 jours) : aucun épisode. Écartés en route : midis agités sans
|
||
error_value en hausse (PS des Coudres, NORDEND octobre), toile et pluie par les rejets (18 à 43 %), le matin du
|
||
mouvement de CLARIDEN (06:00-08:00) par la durée.
|
||
"""
|
||
import os
|
||
import statistics
|
||
import sys
|
||
from datetime import timedelta
|
||
|
||
sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), "..", "agent-tools"))
|
||
from donnees import charger, iso # noqa: E402
|
||
|
||
RATIO = 1.5 # provisoire, réglé sur C-003 (WILDSTRUBEL : de jour, corr ×1,7 à ×3 la nuit)
|
||
PART = 0.5 # provisoire : part des capteurs agités en même temps
|
||
RATIO_ERR = 1.5 # provisoire, réglé sur C-003 (error_value ×1,7 à ×3,2 la nuit ; ≈ ×1 à midi ailleurs)
|
||
REJET_MAX = 0.15 # provisoire : C-003 ≤ 7 % ; toile d'araignée (C-002) et pluie (C-005) ≥ 18 %
|
||
FORT = 2.0 # provisoire : C-003 (×2,3 à ×2,6) est fort ; un épisode entre ×1,5 et ×2 reste visible
|
||
DUREE_MIN = timedelta(hours=3) # provisoire : C-003 dure 10-11 h ; écarte le matin du mouvement réel de C-004 (2 h),
|
||
# que le classement écarte aussi, quelle que soit la durée (point 14 du plan)
|
||
HEURE = timedelta(hours=1)
|
||
|
||
|
||
def _heure(t):
|
||
return t.replace(minute=0, second=0, microsecond=0)
|
||
|
||
|
||
def _rapports(points):
|
||
"""[(t, valeur)] -> {heure H: médiane sur [H − 1 h, H + 2 h) / quartile bas de ces médianes}."""
|
||
par = {}
|
||
for t, v in points:
|
||
for k in (-1, 0, 1):
|
||
par.setdefault(_heure(t) + k * HEURE, []).append(v)
|
||
med = {h: statistics.median(v) for h, v in par.items() if len(v) >= 3}
|
||
if len(med) < 8:
|
||
return {}
|
||
calme = statistics.quantiles(med.values(), n=4)[0]
|
||
return {h: v / calme for h, v in med.items()} if calme > 0 else {}
|
||
|
||
|
||
def heures(mesures):
|
||
"""-> {heure: {capteur: (agitation / calme, error_value / calme)}}."""
|
||
out = {}
|
||
for s, ms in mesures.items():
|
||
ag = _rapports([(b["t"], abs(b["corr_x"] - a["corr_x"]) + abs(b["corr_y"] - a["corr_y"]))
|
||
for a, b in zip(ms, ms[1:]) if a["corr_x"] is not None and b["corr_x"] is not None])
|
||
er = _rapports([(m["t"], m["error_value"]) for m in ms if m["error_value"] is not None])
|
||
for h, r in ag.items():
|
||
if h in er:
|
||
out.setdefault(h, {})[s] = (r, er[h])
|
||
return out
|
||
|
||
|
||
def _turbulente(r):
|
||
return (sum(a >= RATIO for a, _ in r.values()) >= PART * len(r)
|
||
and statistics.median(e for _, e in r.values()) >= RATIO_ERR)
|
||
|
||
|
||
def detect(mesures):
|
||
H = heures(mesures)
|
||
blocs = []
|
||
for h in sorted(h for h, r in H.items() if _turbulente(r)):
|
||
if blocs and h - blocs[-1][-1] <= 2 * HEURE:
|
||
blocs[-1].append(h)
|
||
else:
|
||
blocs.append([h])
|
||
episodes = []
|
||
for b in blocs:
|
||
debut, fin = b[0], b[-1] + HEURE
|
||
dedans = [m for ms in mesures.values() for m in ms if debut <= m["t"] < fin]
|
||
if fin - debut < DUREE_MIN or sum(m["corr_x"] is None for m in dedans) > REJET_MAX * len(dedans):
|
||
continue
|
||
par_capteur = {}
|
||
for h in b:
|
||
for s, (a, _) in H[h].items():
|
||
par_capteur.setdefault(s, []).append(a)
|
||
agit = {s: statistics.median(v) for s, v in par_capteur.items()}
|
||
fort = statistics.median(agit.values())
|
||
episodes.append({
|
||
"start": iso(debut), "end": iso(fin), "kind": "turbulence",
|
||
"label": "Heat shimmer",
|
||
"text": f"Readings were about {fort:.1f}× noisier than in calm hours because of heat shimmer "
|
||
"(warm air trembling in the line of sight); the small fast wiggles are not movement.",
|
||
"ignore": fort >= FORT,
|
||
"sensors": sorted(s for s, v in agit.items() if v >= RATIO),
|
||
})
|
||
return episodes
|
||
|
||
|
||
if __name__ == "__main__":
|
||
for e in detect(charger(sys.argv[1])):
|
||
print(e["start"], "→", e["end"], e["label"], "(grisé)" if e["ignore"] else "",
|
||
f"{len(e['sensors'])} capteurs |", e["text"])
|